自动化的发展方向.docx

自动化的发展方向.docx

《自动化的发展方向.docx》由会员分享，可在线阅读，更多相关《自动化的发展方向.docx（24页珍藏版）》请在冰豆网上搜索。

自动化的发展方向

自动化的发展方向

控制理论与控制工程

1.学科以工程领域内的控制系统为主要对象，以数学方法和计算机技术为主要工具，研究各种控制策略及控制系统的分析、建摸、设计、综合和实现的理论、技术和方法。

控制理论是控制科学及其工程应用的重要基础和核心内容之一；随着控制理论的发展和技术水平的提高，控制工程也迅速拓宽领域，丰富内容，并促进控制理论的研究不断扩展和深化。

控制理论及控制工程的应用基础是准确可靠的检测技术和自动化装置；自动控制系统规模和应用范围的不断扩大，促进了系统工程学科的迅速发展；对难以用传统数学方法描述的控制问题，摸式识别与智能系统的研究将发挥越来越重要的作用。

2、专业培养目标：

本学科培养从事自动控制理论，控制系统分析、综合与设计，系统集成、建模、优化等方面的高级专门人才。

3、研究方向：

自动化系在此学科的研究方向为：

控制理论；控制工程；控制系统仿真；计算机集成制造系统和工业过程计算机控制与管理。

检测技术与自动化装置

1、检测技术与自动化装置是运用现代物理、控制理论、电子学、计算机科学和计量科学，研究被控对象的信息提取、转换、传递与处理的理论、方法和技术的一门学科，是"控制科学与工程"学科的重要组成部分。

检测技术研究如何将各种反映被测对象特性的参数按照一定的对应关系转换为易于传递的信号，并提供给自动控制系统；自动化装置涉及控制系统中的传感器、变送器、控制器、执行机构等，包括它们的集成化、智能化技术和可靠性技术。

2、专业培养目标：

本学科培养从事各种检测技术与自动化装置的研究、开发、设计等方而工作的高级专门人才。

3、研究方向：

自动化系在此学科的研究方向为：

电子技术及微型计算机应用；自动检测及仪表和电子技术。

系统工程

1、系统工程是为了解决日益复杂的社会实跋问题而形戌的从整体出发合理组织、控制和管理各类系统的综合性的工程技术学科。

系统工程技术的出现，大大提高了人类认识世界和改造世界的能力。

随着社会的发展，它的作用将更加重要和突出。

系统工程以工业、农业、交通、军事、资源、环境、经济、社会等领域中的各种复杂系统力主要对象，以系统科学、控制科学、信息科学和应用数学为理基础，以计算机技术为基本工具，以优化为主要目的，采用定量分析为主、定性定量相结合的综合集成方法，研究解决带有一般性的系统分析、设计、控制和管理问题。

系统工程与控制科学、管理科学、信息科学、经济学和计算机科学有密切的联系。

2、专业培养目标：

本学科培养从事系统工程领域的研究、开发、设计等方而工作的高级专门人才。

3、研究方向：

自动化系在此学科的研究方向为：

大系统理论及应用；复杂系统自组织、自学习及自适应和智能决策理论及应用。

模式识别与智能系统

1、模式识别与智能系统是六十年代以来在信号处理、人工智能、控制论、计算机技术等学科基础上发展起来的新型学科。

该学科以各种传感器为信息源，以信息处理与模式识别的理论技术为核心，以数学方法与计算机为主要工具，探索对各种媒体信息进行处理、分类、理解并在此基础上构造具有某些智能特性的系统或装置的方法、途径与实现，以提高系统性能。

模式识别与智能系统是一门理论与实际紧密结合，具有广泛应用价值的控制科学与工程的重要学科分支。

2、专业培养目标：

本学科培养从事摸式识别与智能系统的研究、开发与设计方面的高级专门人才。

3、研究方向：

自动化系在此学科的研究方向为：

信号处理理论与应用；模式识别、计算机视觉、人工智能的理论及应用；神经网络与模糊系统及其在信息处理、识别与控制中的应用。

展望21世纪初，在近十年神经网络理论研究趋向的背景下，笔者认为神经网络理论的主要前 沿领域包括：

（1） 对智能和机器关系问题的认识将进一步增长． 

　　研究人类智力一直是科学发展中最有意义，也是空前困难的挑战性问题．人脑是我们所知道 的唯一智能系统，它具有感知识别、学习、联想、记忆、推理等智能，80年代中期出现了“ 联结主义”的革命，或“并行分布处理（PDP）”，它又被普遍地称为神经网络，具有自学习 、自适应和自组织的特点，也是神经网络迫切需要增强的主要功能．进一步研究调节多层感 知器的算法，使建立的模型和学习算法成为适应性神经网络的有力工具，构建多层感知器与 自组织特征图级联想的复合网络，是增强网络解决实际问题能力的一个有效途径．重视联结 的可编程性问题和通用性问题的研究，从而促进智能科学的发展．我们通过不断探索人类智 能的本质以及联结机制，并用人工系统复现或部分复现，制造各种智能机器，这样，可使人 类有更多的时间和机会从事更为复杂、更富创造性的工作． 

　　智能的产生和变化经过了漫长的进化过程，我们对智能处理的新方法的灵感主要来自神经科 学，例如学习、记忆实质上是突触的功能，而海兔的小系统神经元是研究学习记忆突触机 制的天然模型，在细胞和分子水平上研究，为我们提供真正的实证．又如，人类大脑的前额 叶高度发育，它几乎占了30%大脑的表面积 ，在其附近形成了人类才出现的语言运动区，它与智能发育可能密切相关，使神经系统的发 育同环境的关系更加密切，脑的可塑性很大，能主动适应环境还能主动改造环境，人类向制 造智能工具方向迈进正是这种主动性的反映．事实上，脑的可塑期越长，经验对脑的影响就 越大，而人类的认知过程很大程度上不仅受经验主义的影响，而且还接受理性主义的模型和 解释．因此，对于智能和机器的关系，应该从进化的角度，把智能活动看成动态发展的过程，并合理的发挥经验的作用．同时还应该从环境与社会约束以及历史文化约束的角度加深对 它的理解与分析． 

　　神经网络是由大量处理单元组成的非线性、自适应、自组织系统，它是现代神经科学研究成 果的基础上提出的，试图模拟神经网络加工、记忆信息的方式，设计一种新的机器，使之具 有人脑风格的信息处理能力．智能理论所面对的课题来自“环境—问题—目的”，有极大的 诱惑力与压力，它的发展方向就将是，把基于联结主义的神经网络理论、基于符号主义的人 工智能专家系统理论和基于进化论的人工生命这三大研究领域，在共同追求的总目标下，自 发而有机的结合起来．在这里我们只想重复一下我们的信念并推测：

在21世纪初，智能的机 器实现问题的研究将有新的进展和突破． 

（2） 神经计算和进化计算将有重大的发展． 

　　计算和算法是人类自古以来十分重视的研究领域，本世纪30年代，符号逻辑方面的研究非常 活跃．例如Church、Kleene、Godel、Post、Turing等数学家都给出了可计算性算法的精确 数学定义，对后来的计算和算法的发展影响很大．50年代数学家Markov发展了Post系统．80 年代以后，神经网络理论在计算理论方面取得了引 人注目的成果，形成了神经计算和进化计算新概念，激起了许多理论家的强烈兴趣，如前所 述，大规模平行计算是对基于Turing机的离散符号理论的根本性的冲击，但90年代人们更多 的是批评的接受它，并将两者结合起来，近年来，神经计算和进化计算领域很活跃，有新的 发展动向，在从系统层次向细胞层次转化里，正在建立数学理论基础．随着人们不断探索新 的计算和算法，将推动计算理论向计算智能化方向发展，在21世纪人类将全面进入信息社会 ，对信息的获取、处理和传输问题；对网络路由优化问题；对数据安全和保密问题等等将有 新的要求，这些将成为社会运行的首要任务，因此，神经计算和进化计算与高速信息网络理 论联系将更加密切，并在计算机网络领域中发挥巨大的作用，例如，大范围计算机网络的自 组织功能实现就要进行进化计算．

现有的一些神经网络模型并没有攻克组合爆炸问题，只是把计算量转交给了学习算法来完成 ，具体说，增加处理机数目一般不能明显增加近似求解的规模．可以说，有些神经网络模型 的计算（学习）时间与神经元有多少事实上关系不太大，却与学习的样本有明显的依赖关系． 值得注意的是，尽管采用大规模并行处理机是神经网络计算的重要特征，但我们还应寻找其 它有效方法，建立具有计算复杂性、网络容错性和坚韧性的计算理论． 

　　人类的思维方式正在转变：

从线性思维转到非线性思维．神经元、神经网络都有非线性、非 局域性、非定常性、非凸性和混沌等特性，我们在计算智能的层次上研究非线性动力系统、 混 沌神经网络以及对神经网络的数理研究．进一步研究自适应性子波、非线性神经场的兴奋 模式、神经集团的宏观力学等．因为，非线性问题的研究是神经网络理论发展的一个最大 动力，也是它面临的最大挑战．此外，神经网络与各种控制方法有机结合具有很大发展前景 ， 建模算法和控制系统的稳定性等研究仍为热点问题，而容忍控制、可塑性研究可能成为新的 热点问题．开展进化并行算法的稳定性分析及误差估计方面的研究将会促进进化计算的发展 ．把学习性并行算法与计算复杂性联系起 来，必须分析这些网络模型的计算复杂性以及正确性，从而确定计算是否经济合理．关注神 经信息处理和脑能量两个方面以及它们的综合分析研究的最新动态，吸收当代脑构象等各种 新技术和新方法．例如，在1994年Science杂志上，生物化学家Adleman发表了 一篇论文：

Molecular Computation of Solutions to Combinatorial Problems， 他采用 超并行的DNA求解组合问题，他是DNA计算的创建者之一，随后，他制造的超并行DNA计算机T T-100取得了技术上的突破．这一具有重大价值的理论和方法，是对NP完全问题和数据加密 标准系统等发起了最猛烈的攻击．因此，神经网络在DNA序列分析上的应用会更受人们的关 注． 

　　很明显，离散符号计算、神经计算和进化计算相互促进．从道理上说，也许最终导致这3种 计算统一起来，这算得上是我们回避不了的一个重大难题．预计在21世纪初，关于这个领域 的研究会产生新的概念和方法．尤其是视觉计算方面会得到充分地发展．我们应当抓住这个 机会，力求取得重大意义的理论和应用成果． 

　　（3） 神经网络结构和神经元芯片的作用将不断扩大． 

　　神经网络结构的研究是神经网络的实现以及成功地实现应用的前提，又是优越的物理前提． 它体现了算法和结构的统一，是硬件和软件的混合体，这种硬软混合结构模型可以为意识的 作用和基本机制提供解释．未来的研究主要是针对信息处理功能体，将系统、结构、电路、 器件和材料等方面的知识有机结合起来，建构有关的新概念和新技术，如，结晶功能体、最 子效应功能体、高分子功能体等．在硬件实现上，研究材料的结构和组织，使它具有自然地 进行信息处理的能力，如，神经元系统、自组织系统等．目前有些学者正在研究从硬件技术 到应用之间的映射理论，将会出现一些新的方法． 

　　神经计算机的主要特征是具有并行分布式处理、学习功能，这是一种提高计算性能的有效途 径，使计算机的功能向智能化发展，与人的大脑的功能相似，并具有专家的特点，比普通人 的反应更敏捷，思考更周密．光学神经计算机具有神经元之间的连接不仅数量巨大而且结合 强度可以动态控制，因为光波的传播无交叉失真，传播容量大，并可能实现超高速运算，这 是一个重要 的发展领域，其基础科学涉及到激光物理学、非线性光学、光紊乱现象分析等，这些与神 经网络之间在数学构造上存在着类似性．近年来，人们采用交叉光互连技术，保证了它们之 间 没有串扰，它有着广阔的发展前景．在技术上主要有超高速、大规模的光连接问题和学习 的 收敛以及稳定性问题，可望使之得到突破性进展；另一种是采用LSI技术制作硅神经芯片， 以及二维VLSI技术用于处理具有局部和规则连接问题．在未来一、二十年里半导体神经网络 芯片仍将是智能计算机 硬件的主要载体，而大量的神经元器件，如何实现互不干扰的高密度、高交叉互连，这个问 题可望尽早得到解决．此外，生物器件的研究正处于探索之中，研究这种模型的理论根据是 ，当硅集成块和元件间的距离如果接近0.01微米时，电子从邻近元件逸入的概率将很有限， 便产生“隧道效应”的现象，它是高集成电路块工作不可靠的原因之一．而生物芯片由于元 件是分子大小的，其包装密度可成数量级增加，它的信号传播方式是孤电子，将不会有损耗 ，并且几乎不产生热．因此，它有更诱人的前景．随着大量神经计算机和神经元芯片应用于 高科技领域，给神经网络理论和方法赋予新的内容，同时也会提出一些新的理论课题 ，这 是神经网络迅速发展的一个动力． 

4　结束语 

　　近年来，我国“863”计划、攻关计划、“攀登”计划和国家自然科学基金等，都对神经网 络的研究给予了资助，吸引了大量的优秀青年人才从事神经网络领域的研究工作，促进我国 在这个领域取得世界上的领先地位． 

　　由于神经网络学科的范围很广泛，本文只能在那些有发展前途的领域中，在联结主义提供的 各种机会中，列举出少数几个方向，并作出推测．应该说明的是，除了上述列举的以外，还 有形形色色的、规模可观的研究工作正在进行．总之，在21世纪科学技术发展征程中，神经 网络理论的发展将与日俱增． 

人工智能的原理及应用

姓名：

厉森彪 班级：

软件工程学号：

200726410110

摘要

人工智能（ArtificialIntelligence，AI）一直都处于计算机技术的最前沿，经历了几起几落……长久以来，人工智能对于普通人来说是那样的可望而不可及，然而它却吸引了无数研究人员为之奉献才智，从美国的麻省理工学院（MIT）、卡内基-梅隆大学（CMU）到IBM公司，再到日本的本田公司、SONY公司以及国内的清华大学、中科院等科研院所，全世界的实验室都在进行着AI技术的实验。

不久前，著名导演斯蒂文斯皮尔伯格还将这一主题搬上了银幕，科幻片《人工智能》（A.I.）对许多人的头脑又一次产生了震动，引起了一些人士了解并探索人工智能领域的兴趣。

关键词

人工智能；专家系统；模式识别

ABSTRACT

AI（ArtificialIntelligence,AI）hasbeenattheforefrontofcomputertechnology,hasexperiencedseveralupsanddownsseveral……alongtime,theordinarypeopleofartificialintelligenceissoelusive,butithasattractedcountlessItdedicatedintelligenceresearchers,fromtheU.S.MassachusettsInstituteofTechnology（MIT）,Carnegie-MellonUniversity（CMU）toIBM,andthentoJapan'sHonda,SONY,aswellasdomesticcompaniesofQingHuaUniversity,ChinaBranchHospitalsandotherresearchinstitutes,laboratoriesaroundtheworldarecarryingouttheAItechnologyexperiments.Notlongago,thefamousdirectorStevenSpielbergwillbethesubject•ontothescreen,sci-fifilm"artificialintelligence"（AI）onmanypeople'smindsonceagainproducedashock,causedsomepeopletounderstandandexploreInterestinthefieldofartificialintelligence.

Keywords

ArtificialIntelligence（AI）;ExpertSystem; PatternRecognition

引言

人工智能的发展已达到很高水平，电子计算机将更接近大脑的功能了，虽然计算机解决问题的能力从技术角度看目前还有很大局限性，计算机万能论者的理论依据也是有问题的。

计算机暂时不能代替人我相信他预见的会成为现实，目前也有了很多技术突破,这就是人类-机器的结合体， 他预见这是人类进化史上的一个飞跃。

在这样一个结合体形式下，肯定超出目前的人的智能和人工智能，这个结合体中，人类的大脑将植入能和机器直接沟通的芯片，这个芯片是人机的桥梁，而人类-机器结合体将发挥出人与机器的各自优势。

1.介绍什么是人工智能

由于人工智能是一个边缘学科，是哲学、数学、电子工程、计算机科学、心理学等众多学科的混血儿。

它的研究队伍由未自不同领域的学者组成，各自从事着自己感兴趣的工作，他们对人工智能是什么有不同的认识。

所以，要想在他们之间找出一个什么是人工智能的共同的看法还是有一定的困难的。

   如果仅从技术的角度来看，人工智能要解决的问题是如何使电脑表现智能化，使电脑能支灵活方效地为人类服务。

只要电脑能够表现出与人类相似的智能行为、就算是达到了目的，而不在乎在这过程中电脑是依靠某种算法还是真正理解了：

这样，人工智能就是计算机科学中涉及研究、设计和应用智能机器的—个分支，人工智能的目标就是研究怎样用电脑来模仿和执行人脑的某些智力功能，并开发相关的技术产品，建立有关的理论。

   除了上述的观点以外，人工智能领域中的心理学家、语言学家倾向于将重点放在用电脑去再现人脑思维的内部状态上．也就是要使电脑程产真正理解它所他的事情，就好保人脑一样去“思考问题”。

   由于大家研究的内容与侧重点各不相同， 因此对人工智能的认识也有一定的差异。

但是，他们的认识又相互补充、相辅相成、共同构成了人工智能丰富多彩的研究层次与多样化的研究队伍。

1.1人工智能的理论于实践

人工智能不仅仅是一个工程科目，同样也是一个科研主题，研究人员创立人工智能理论（人工智能程序能够做什么）并用数学分析和实验来验证。

什么样的自适应结构可以应用于从经验中学习的系统？

响应新信息时系统应该改变?

学习系统应该接受什么样的训练?

人工智能科学家正在研究一般性的计算理论来回答各种各样的问题。

理论是可以通过数学抽象和定理证明来分析验证的，也可以通过开发程序、运行试验、分析结果进行经验性研究，这很像心理学家对接受实验者所做的实验。

复杂人工智能系统的行为是很难预测的，研究人员经常惊讶于他们自己构建的人工智能系统的行为。

人工智能的应用范围非常广泛。

人们已经创建了人工智能程序，用于通过预测股市趋势来产生投资策略，诊断病人并给出治疗建议，以及控制工厂中的装配机器人。

在人工智能领域工作的很多人都认为自己是制作实用工具的工程师，这些工具就是用于航线规划、汽车制造以及大师级对弈的人工智能系统。

火星探测机器人的控制就采用了人工智能系统。

   像火星探测机器人这样的机器人怎样感知它周围的环境？

它怎样决定采用什么行动？

如果给出两种或更多种可能冲突的目标，它又是怎样平衡任务的优先级？

一个火星漫游车怎样知道应该停下来以检查预料之外的石英构造成分？

更一般地说，如何设计出能适应环境的有足够多功能的系统，同时还要足够严格以便于使用计算机程序进行编码？

1.2人工智能概念

著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：

“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。

”而另一个美国麻省理工学院的温斯顿教授认为：

“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。

”这些说法反映了人工智能学科的基本思想和基本内容。

即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。

   人工智能（ArtificialIntelligence，简称AI）是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。

也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。

这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。

   人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。

人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。

可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。

从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。

从实用观点来看，人工智能是一门知识工程学：

以知识为对象，研究知识的获取、知识的表示方法和知识的使用。

1.3人工智能的基础

   人类是通过自然语言来表达思想、知识、学习、交流等，为实现AI用机器模拟人的智能行为，显然，必须有适合于AI的知识获取、知识表示、知识推理的语言，编写相应的智能程序，以构成AI系统，即知识信息处理系统。

广义地讲，任何语言都能实现AI程序设计，但问题是能否充分表现出AI的研究性能和目标、这是人们关心的核心问题。

下面在讨论AI程序与传统程序的区别中，可以进一步理解研究AI语言的必要性。

   自AI发展以来，由于AI应用领域的广泛性，已有十几种语言被应用，它们都是根据适用于所研究问题领域知识描述和处理而提出的。

如IPL语言是早期AI的表处理语言，它接近视器语言，用起来不方便。

MsP语言从早期到现在经多次改进，一直被广泛应用。

它是函数型语言，在AI程序中数据结构是表结构，因此核心是表处理。

在I‘ISP基础上发展的语言有FLANNER和KRL语言。

PLANNER语言便于面向目标的推理，面KRL语言适于框架知识表示。

PROLOG语言是在AI中影响最大的语言，它是基于演绎推理的逻辑型语言，oFs语言后通用知识表示语言，因它不偏向特定问题的求解策略或知识表示，在AI中应用也不少，现开发有OPS83的xS工具。

其它语言不再赘述。

2人工智能原理

2.1介绍人工智能的实现技术

人工智能是实现具有智能的机器，尤其是具有智能的计算机程序的科学和工程技术。

人工智能与用计算机理解人的智力的目标有一些关系，但它并不一定要使用生物学上的方法。

2.2人工智能的原理

人工智能的科学研究要研究人的智慧的内部结构，相当于研究心理学的原理，更玄是不是，一般人不大会去做的大部分的人工智能研究集中在后者——工程实现上，知识：

人的智能活动本质上就是获得和运用知识知识是智能的基础为了实现人工智能使机器具有智能就必须使它具有知识，表达：

要采用适当的手段表达人的知识然后才能存储到机器中去这就是用知识表达要解决的问题对知识进行表达就是把知识表示成便于计算机存储和利用的某种数据结构知识表达方法又称为知识表示技术，其表示形式称为知识表示模式。

3人工智能应用

3.1人工智能的应用范围

它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，